好的，所以这总是困扰着我。我所知道的树数据结构是：
如何确定哪种树是最适合工作的工具？显然，堆被规范地用于形成优先级队列。但其余的人似乎只是做同样事情的不同方式。有没有办法选择最适合这份工作的人？
答案 0 :(得分：26)
我们一个接一个地拿走它们，好吗？
- 不平衡二叉树
对于搜索任务，永远不要。基本上，它们的性能特征将是完全不可预测的，并且平衡树的开销不会太大，以至于使不平衡树成为可行的替代方案。
除此之外，不平衡的二叉树当然还有其他用途，但不是搜索树。
- AVL树
它们易于开发，但其性能通常被其他平衡策略所超越，因为平衡它们是相对耗时的。 Wikipedia claims他们在查找密集型场景中的表现更好，因为在最坏的情况下，他们的身高会略微降低。
- 红黑树
这些在大多数C ++'std::map实现中使用，也可能在其他一些标准库中使用。但是，由于现代CPU的缓存行为，它们实际上比每个场景中的B（+）树更糟糕good evidence。从历史上看，当缓存不那么重要（或者说好）时，它们在主存中使用时会超过B树。
- 2-3棵树
- B树
- B * - 树
这些需要对所有树进行最仔细的考虑，因为使用的不同常量基本上是“神奇的”常量，它们以奇怪的，有时是不可预测的方式与底层硬件架构相关。例如，每个级别的子节点的最佳数量可以取决于内存页面或缓存行的大小。
我知道没有好的，一般的规则来区分它们。
- 尝试次数
完全不同。尝试也是搜索树，但用于语料库中子串的文本检索。 trie是未压缩的前缀树（即从根节点到叶节点的路径对应于给定字符串的所有前缀的树）。
尝试应该与后缀树，后缀数组和 q-gram索引进行比较和抵消，而不是与其他搜索树，因为他们搜索的数据是不同的：而不是语料库中的离散词，后面的索引结构允许因子搜索。
- 堆
正如您已经说过的，它们根本不是搜索树。
答案 1 :(得分：5)
与任何其他数据结构一样，您必须了解每种树类型的特征（搜索，插入和删除操作的复杂性），以及您为其选择工具的工作要求。对于您最常执行的操作类型，性能最佳的树通常是最适合工作的工具。
您通常可以在维基百科上找到任何类型数据结构的一般特征。 Introduction to Algorithms在您列出的大多数数据结构中至少还有一个部分（在某些情况下是整章），因此这是另一个很好的参考。
答案 2 :(得分：4)
类似的问题：When to choose RB tree, B-Tree or AVL tree?
我会说，写一些可能有效的最简单的代码（尽可能利用库提供的数据结构）。然后测量其性能问题，如果有的话。
如果您的表现需求非常极端，请阅读Konrad Rudolph的精彩回答。 ：）
答案 3 :(得分：0)
每个都有不同的插入，删除和检索复杂性，所有这些都有O log（n）访问时间。
答案 4 :(得分：0)
每棵树都有特定的特征，使它们以某种方式有用。您应该将这些特征与您的需求进行比较。